精选
AI在科学发现中的作用：是机遇还是挑战?
诸平
据英国伦敦帝国理工学院(Imperial College London)2025年2月19日提供的消息,研究人员表示，人工智能合作科学家（AI Co-Scientist）可以加强研究(Google’s AI co-scientist could enhance research, say researchers)。
Fig. 1 Professor José Penadés
据研究人员称，一个尚未发布的旨在帮助研究人员的系统有可能“加速科学”。(An unreleased system designed to assist researchers has the potential to "supercharge science", according to researchers.)
伦敦帝国理工学院弗莱明计划（Fleming Initiative）和科技巨头谷歌（Google）之间的合作，让科学家们能够接触到一种强大的新型人工智能，旨在使研究更快、更高效。
谷歌发布了其人工智能合作科学家系统（AI ’co-scientist’ system）的首批测试结果，来自几所顶尖大学的学者提出了一个问题，以帮助他们在生物医学研究领域取得进展。
“我们的科学家是世界上最有才华的科学家之一，他们具有好奇心和横向思维，需要利用人工智能技术为社会造福。从生物医学研究的新途径开始，为更高的科学效率播下种子——前景可能会改变游戏规则。”伦敦帝国理工学院副教务长（研究和企业）、帝国理工学院全球美国先进材料和清洁技术学术主题（Imperial Global USA Academic Theme Lead for Advanced Materials and Cleantech）负责人玛丽·瑞安教授（Professor Mary Ryan）说。
在意识到人工智能的答案可能需要数年时间才能得到验证后，帝国理工学院的研究人员横向地应对了这一挑战，他们向人工智能提出了一个他们已经从实验室实验中知道答案的问题。
这些尚未经过同行评议的研究结果将在网上发表，供专家和公众观看，科学家们将继续与谷歌合作，在准备启动之前进一步开发该系统。
玛丽·瑞安教授说：“世界正面临着多种复杂的挑战——从流行病到环境可持续性和粮食安全。解决这些迫切需求意味着加快传统的研发流程，人工智能将越来越多地支持科学发现和开创性发展。
我们的科学家是世界上最有才华的科学家，他们具有好奇心和横向思维，需要利用人工智能技术为社会造福。从生物医学研究的新途径开始，为更高的科学效率播下种子——前景可能会改变游戏规则。
去年，伦敦帝国理工学院成为第一所在美国拥有永久科技基地的英国大学，在旧金山湾区（San Francisco Bay Area）建立了一个中心。我们为跨大西洋合作的悠久传统感到自豪，我们与行业合作伙伴建立并培育了能够改变世界的科学发现的伙伴关系。”
为协作而设计（Purpose-built for collaboration）
谷歌的人工智能合作科学家系统并不旨在用人工智能完全自动化科学过程。相反，它是专门为协作而构建的，帮助专家们用简单的自然语言与工具交谈，并以各种方式提供反馈，包括直接提供他们自己的假设，供科学家们进行实验验证。
蒂亚戈·迪亚斯·达·科斯塔博士（Dr Tiago Dias da Costa）共同领导了帝国理工学院生命科学系(Imperial’s Department of Life Sciences)的实验工作，并与弗莱明计划——伦敦帝国理工学院和帝国理工学院医疗保健NHS信托基金会的联合伙伴关系——合作，使用谷歌的人工智能合作科学家平台进行了验证工作，他说：“在科学研究中，发现过程的很大一部分往往意味着探索无数的实验死胡同。我们花了相当多的时间来确定要提出的正确的科学问题，设计实验来回答这些问题，并评估结果——有时只是为了发现不确定或没有信息的发现。”
少付出，多回报（Do more with less）
这位人工智能合作科学家（AI Co-Scientist）访问了多个信息来源，包括网络搜索、研究论文、关于该研究领域的图表和数据库、用于反馈和改进的专门人工智能系统，以及手动提交的私人文件。
帝国理工学院的研究人员以弗莱明计划建立的关系为基础，从一个新的角度来应对这一挑战。他们向人工智能的合作科学家设计了问题，要求它探索一个他们已经思考了十多年的话题，并且是最近未发表的实验室实验的主题。
来自帝国理工学院传染病系（Imperial’s Department of Infectious Disease）和弗莱明计划的何塞·佩纳德斯教授（Professor José Penadés）共同领导了这项实验工作，他说：“实验室科学是资源密集型的，随着抗菌素耐药性等全球性挑战的逼近，很明显我们需要用更少的资源做更多的事情，加快新发现的速度。
当谷歌研究团队找到我们来测试他们的人工智能平台时，我们意识到我们需要用我们自己已经探索过的科学问题来分配给它，并将其作为我们实验工作的基础。这实际上意味着，该算法能够查看现有证据，分析可能性，提出问题，设计实验，并提出与我们通过多年艰苦的科学研究得出的完全相同的假设，但在很短的时间内。”
提高发现(Enhance discoveries)
研究人员预计，人工智能将加速科学发现，增加而不是减少科学合作。例如，该工具可能有助于缩短研究团队在许多领域进行详细文献综述所需的时间，否则他们可能不会立即熟悉这些领域。这反过来可能会加快发现的时间，并可能导致各自领域的专家有更多的发现，并降低希望为领先工作做出贡献的新研究科学家的进入门槛。
科学家们正在抗菌素耐药性（antimicrobial resistance简称AMR）领域开展工作，随着全球感染率和死亡率的上升，这是一项重大的全球卫生保健挑战。
弗莱明计划是伦敦帝国理工学院和帝国理工学院医疗保健NHS信托基金之间的合作伙伴关系，将启动全球工作计划，以解决AMR的驱动因素，发展国际AMR专业知识网络，并概述战略研究主题，以迅速推进解决这些紧迫挑战的解决方案，包括：
利用人工智能和机器学习以及新疗法的快速高通量实验，领导最先进的药物发现；（Leading state-of-the-art drug discovery using AI and machine learning and rapid high throughput experimentation for new therapeutics;）
发展诊断方法以改进早期发现、预防传播和实现具体治疗。（Developing diagnostics to improve early detection, prevent transmission and enable specific treatments.）
迪亚斯·达·科斯塔博士（Dr Dias da Costa）说：“我们的发现表明，人工智能有潜力综合所有可用的证据，并指导我们解决最重要的问题和实验设计。如果这个系统能像我们希望的那样运行，这可能会改变游戏规则；排除死胡同，有效地使我们能够以非凡的速度进步。”
何塞·佩纳德斯教授说：“这种类型的人工智能合作科学家平台仍处于早期阶段，但我们已经可以看到它如何有潜力推动科学发展。”
谷歌的新人工智能研究助理可以生成与未发表的发现相匹配的科学假设。谷歌的新“人工智能合作科学家”可以预测科学发现（Google’s New “AI Co-Scientist” Can Predict Scientific Discoveries）。
谷歌推出了一款人工智能研究助手，它可以在人类研究人员发表研究结果之前产生科学假设。该系统被称为人工智能合作科学家（AI co-scientist），在英国伦敦帝国理工学院、美国斯坦福大学（Stanford University）和休斯顿卫理公会医院（Houston Methodist Hospital）进行了测试。
在许多情况下，它准确地识别了后来与未发表的科学发现相匹配的研究路径。与专注于检索和总结信息的传统人工智能模型不同，该系统评估大量科学文献，发现知识差距，并对潜在的进一步研究领域进行排名。
谷歌的方法不是要取代研究人员，而是要提高他们更快地发现有意义的发现的能力。该项目是在谷歌研究博客（Google Research blog post）的文章中正式宣布的，该公司详细介绍了如何开发人工智能合作科学家，以支持研究人员简化科学探究的早期阶段。
谷歌的人工智能合作科学家是如何工作的？（How Google’s AI Co-Scientist Works？）
谷歌的人工智能合作科学家是一个多智能体系统，旨在生成、评估和完善反映人类研究人员如何处理发现的科学假设。与简单检索信息的标准人工智能模型不同，该系统旨在提出新颖的研究方向，并得到科学文献、数据分析和自动推理的支持。
根据谷歌的说法，人工智能合作科学家通过协调多个专门的代理来运作，每个代理在科学推理过程中扮演不同的角色。这些代理包括生成（Generation）、反思(Reflection)、排名(Ranking)、进化(Evolution)、接近(Proximity)和方法代理(Meta-review agents)，所有代理都在迭代循环中一起工作，以完善研究假设和实验方法。
Fig. 3 The AI co-scientist system design(Image: Google)
“鉴于科学家的研究目标已经用自然语言指定，人工智能合作科学家被设计用来生成新的研究假设、详细的研究概述和实验方案。”
“为了做到这一点，它使用了一个由专门的代理组成的联盟——生成（Generation）、反思（Reflection）、排名（Ranking）、进化（Evolution）、接近性（Proximity）和元回顾（Meta-review）——这些都是受到科学方法本身的启发。这些代理使用自动反馈迭代地生成、评估和完善假设，导致一个日益高质量和新输出的自我改进循环。”
这个系统也不是静态的——当研究人员提供反馈和完善他们的想法时，它会不断地适应。科学家可以通过输入自己的假设，调整研究来与人工智能互动参数，并分析人工智能生成的建议。
Fig. 4 Scentist and AI co-Scentist System (Image: Google)
人工智能合作科学家(AI co-scientist)与AlphaFold等专门的人工智能模型集成，以增强生物研究和药物发现应用。谷歌写道：
“人工智能合作科学家利用测试时间的计算尺度来迭代地推理、进化和改进输出。关键的推理步骤包括基于自我发挥的新假设推广的科学辩论、假设比较的排名比赛，以及质量改进的‘进化’过程。该系统的代理属性促进了递归的自我批评，包括使用反馈工具来完善假设和建议。”
人工智能生成的假设与未发表的研究相匹配（AI-Generated Hypotheses Match Unpublished Research）
谷歌的人工智能合作科学家（Google’s AI Co-Scientist）进行的最引人注目的测试之一发生在英国伦敦帝国理工学院，那里的科学家们正在研究一种与抗菌素耐药性相关的细菌基因转移机制。他们的研究结果尚未发表，但谷歌的人工智能独立地将同样的研究方向确定为一个高度优先考虑的话题。
人工智能合作科学家重新发现一种新的基因转移机制的时间轴。蓝色：cf-PICI动员发现的实验研究管道时间轴。红色：人工智能合作科学家开发和对这些关键发现的再匹配（没有事先的知识）。
斯坦福大学的一项类似测试主要关注肝纤维化（liver fibrosis），这是一种疤痕组织在肝脏中形成的情况。谷歌的人工智能分析了药物数据，以确定可能被重新利用的现有药物作为治疗用药。该系统提出了两种药物类别，并提供了一份支持证据的排名列表，反映了斯坦福大学的科学家们已经在探索的研究路径。
伦敦帝国理工学院传染病系和弗莱明计划的教授、新基因转移机制研究团队的成员何塞·佩纳德斯告诉《金融时报》（Financial Times）：“我们认为这将是一个有可能改变我们对待科学的方式的工具。”
谷歌的人工智能合作科学家不是作为一个单一的人工智能模型，而是作为一个多智能体系统的结构。一个人工智能代理生成假设，另一个代理评估它们的可信度，第三个代理生成假设 在向人类科学家提出最终的研究方向之前，确保逻辑上的一致性。这种方法旨在复制在合作研究团队中进行的同行评审过程。
谷歌的人工智能研究如何适应一个更大的战略（How Google’s AI Research Fits Into a Larger Strategy）
人工智能合作科学家并不是一个孤立的实验，而是谷歌将人工智能整合到科学研究中的更广泛努力的一部分。谷歌深度思维部门（Google DeepMind division）一直在领导人工智能驱动的生物技术研究，最著名的是通过AlphaFold 3。
AlphaFold 3已经在生物学中产生了重大影响，帮助研究人员确定对药物发现至关重要的分子相互作用。谷歌已经将其一些见解整合到人工智能合作科学家工具中，允许它更准确地分析生物过程。
谷歌还与生物技术公司合作，开发人工智能实验室助手，以实现早期研究过程的自动化。这些项目反映了一个日益增长的趋势，即人工智能不仅仅被用于假设以及在生物技术和药物发现方面的实际应用。
其他由人工智能驱动的研究助手正在出现（Other AI-driven research assistants are emerging）
谷歌并不是唯一一家从事人工智能科学研究助理工作的公司。一些竞争对手正在采用不同的方法和方法，开发旨在简化知识发现的系统。
2024年12月，谷歌推出了一款名为深度研究（Deep Research）的新研究人工智能代理，从那以后，它迅速被其他领先的人工智能公司复制到类似的产品中。
深度研究利用该公司的双子座AI（Gemini AI）长背景理解和推理，作为一个研究助理，探索复杂的主题和汇编报告。
深度研究不是期望用户筛选不同的资源来源，而是通过作为一个积极主动的合作伙伴，收集、组织和传递见解来简化过程。
2025年2月早些时候，OpenAI随后推出了自己的深度研究模式，即ChatGPT内部的一个新的人工智能研究助手，类似于谷歌的深度研究（Google’s Deep Research），允许用户进行结构化的多步骤综合研究调查，而不是接收即时的人工智能生成的响应。
不久之后，困惑人工智能（Perplexity AI）也引入了一个相互竞争的深度研究工具，旨在完善人工智能辅助的知识合成，将自己与谷歌和OpenAI相抗衡。
越来越多的人工智能研究助理表明，人工智能驱动的发现工具可能很快就会成为学术界和工业环境中的标准。与谷歌，OpenAI，和困惑人工智能（Perplexity AI）都在开发相互竞争的模型，该领域正朝着未来人工智能的科学探索迈进。
人工智能在科学发现中的作用：是机遇还是挑战？(AI’s Role in Scientific Discovery: Opportunity or Challenge?)
随着人工智能在科学研究中扮演着越来越多的角色，它引起了人们的兴奋和关注。一方面，快速生成和排序假设的能力可以加速发现，降低研究时间，并允许科学家专注于概念性的发展。另一方面，该技术在可靠性、伦理问题和科学探索中的潜在偏见方面也存在风险。
一个关键问题是验证。人工智能可以分析数据和识别模式，但其假设仍然需要人类的监督和实验验证。如果没有适当的控制，就有风险导致A I生成的研究路径可能会引入错误的相关性或导致研究人员走向非生产力的方向。
另一个挑战涉及到人工智能系统所依赖的训练数据。如果一个模型主要是根据来自有限的机构或地理区域的研究进行训练的，它可能会加强现有的偏见同时忽略其他一些研究的观点。
对机器学习模型中偏见的担忧有充分的记录，同样的风险也适用于人工智能辅助的科学研究。另一个可能的问题是缺乏对人工智能工具对已发表的研究论文的有效性的理解。他们必须依靠被引用的数量来作为重要性和质量的代理衡量标准。
随着谷歌、OpenAI和xAI等公司在人工智能研究工具上的大量投资，该领域正在迅速发展。谷歌的人工智能合作科学家(Google’s AI co-scientist)代表了人工智能从简单检索信息到积极参与假设的生成和细化的转变。
其他科学领域也看到了人工智能辅助研究的重大进展。谷歌DeepMind在人工智能α几何学（AlphaGeometry）方面的工作表明，人工智能模型在解决问题方面可能优于人类数学家，这就提出了关于人工智能如何对生物学和化学之外的理论科学做出贡献的问题。
与此同时，BioNTech等公司正在开发专门为药物发现和疫苗开发而设计的人工智能模型。人工智能在生物技术和制药中越来越多的使用，标志着在曾经主要需要人类专业知识的领域向自动化的过渡。
虽然人工智能辅助的研究仍然依赖于人类的解释和验证，但它已经在重塑科学发现发生的方式。人工智能是否会在制定未来的突破方面发挥核心作用，仍是一个悬而未决的问题，但它帮助、完善和加速研究的能力正变得越来越明显。
上述介绍仅供参考，欲了解更多信息敬请注意浏览原文（Google Research blog）和相关报道。
转载本文请联系原作者获取授权，同时请注明本文来自诸平科学网博客。
链接地址：https://wap.sciencenet.cn/blog-212210-1474044.html?mobile=1
收藏
